Wie kommt man in die Datenwissenschaft rein?

10 min read

Ultimative Fragen und Antworten für die Suche nach Datenwissenschaftlern mit seriösen Anleitungen

Wie kommt man in die Datenwissenschaft rein?

Also… Sie wollen Datenwissenschaftler werden? Cool. Sie sind ein selbstmotivierter Mensch, der sich sehr für die Datenwissenschaft einsetzt und durch die Lösung komplexer Probleme Werte in Unternehmen bringt. Wunderbar. Aber Sie haben ZERO-Erfahrung in der Datenwissenschaft und haben keine Ahnung, wie Sie in diesem Bereich anfangen sollen. Verständlich. Jeder ist mal dort gewesen. Deshalb ist dieser Beitrag für Sie -begeisterten und aufstrebenden Datenwissenschaftlern gewidmet – um die häufigsten Fragen und Herausforderungen zu beantworten, vor denen die meisten Menschen stehen.

Wenn Daten “das neue Öl” sind, dann funktioniert der Datenwissenschaftler wie eine Ölraffinerie und wandelt Daten in Erkenntnisse um, die sowohl Geld sparen als auch Kapital generieren können.

– Eva Short

Alle folgenden Fragen werden nicht von uns erstellt, sondern von euch – der lebendigen Community der Datenwissenschaften. Bitte beachten Sie, dass die folgenden Fragen nicht der Reihe nach sind, springen Sie daher zu dem Teil der Fragen, das für Sie interessant ist.

Wir hoffen, dass durch den Austausch unserer Erfahrungen in diesem Beitrag kommt Licht auf die Art und Weise, wie man eine Daten-Wissenschaft-Karriere zu verfolgen und Ihnen einige allgemeine Führer, um hoffentlich Ihre Lernreise noch angenehmer zu machen. Fangen wir an!


Was ist der aktuelle Trend in Data Science Skills Gap?

Die International Data Corporation (IDC) prognostiziert, dass der weltweite Umsatz für Big Data und Business Analytics im Jahr 2020 mehr als 22 Milliarden Dollar erreichen wird.

Laut dem LinkedIn-WorkForce-Report im August 2018 für die USA gab es im Jahr 2015 einen landesweiten Überschuss an Menschen mit datenwissenschaftlichen Fähigkeiten. Drei Jahre später hat sich der Trend in der entgegengesetzten Weise enorm verändert, da immer mehr Unternehmen mit einem Mangel an Menschen mit datenwissenschaftlichen Fähigkeiten konfrontiert sind, wobei Big Data zunehmend dazu genutzt wird, um Einblicke zu gewinnen und Entscheidungen zu treffen.

Wirtschaftlich gesehen geht es um SUPPLY und DEMAND.

Die gute Nachricht ist: Den Spieß sind nun umgedreht. Die schlechte Nachricht ist: Angesichts steigender Jobchancen in der Datenwissenschaft stehen viele aufstrebende Datenwissenschaftler immer noch vor Herausforderungen, wenn es darum geht, ihren Fuß in die Tür zu bekommen, nur weil sie im Vergleich zu den Anforderungen auf dem aktuellen Arbeitsmarkt keine Qualifikationslücke aufweisen.

Im kommenden Abschnitt werden Sie sehen, wie Sie die Fähigkeiten der datenwissenschaftlichen Forschung verbessern können, um die “Lücke” zu schließen, sich unter den anderen Kandidaten abzuheben und schließlich Ihre Chancen zu erhöhen und Ihren Traumjob zu finden.


Fragen & Antworten

1. Welche Fertigkeiten sind erforderlich und wie verdecken sie?

Wir sind sehr ehrlich mit Ihnen. ALLE Kompetenzsets in der Datenwissenschaft zu erlernen, ist fast unmöglich, da der Umfang viel zu breit ist. Es wird immer einige Fertigkeiten geben (technisch/nicht-technisch), die Datenwissenschaftler nicht kennen oder nicht gelernt haben, da verschiedene Unternehmen unterschiedliche Fähigkeiten benötigen.

Unserer Meinung nach basiert auf unseren Erfahrungen und dem Lernen von anderen Datenwissenschaftlern gibt es im Allgemein einige CORE-Fähigkeiten, die man lernen muss, um ein Datenwissenschaftler zu werden.

Technische Fähigkeiten. Mathematik und Statistik, Programmierung und betriebswirtschaftliches Wissen. Trotz einer ausgezeichneten Programmierkompetenz, unabhängig von den verwendeten Sprachen, – wir als Datenwissenschaftler – in der Lage sein sollten, unsere Modellergebnisse den Stakeholdern in der Sprache des Geschäftskontextes zu erklären und durch Mathematik und Statistiken zu unterstützen.

Um Mathematik und Statistik (oder umfassendere Datenwissen-Ressourcen) zu erlernen, schauen Sie sich diese Website an, die von Randy Lao erstellt wurde. Randy hat aufstrebenden Datenwissenschaftlern geholfen und sein Projektarchiv auf der Website ist wirklich eine Goldmine!

Wir erinnern uns  noch gut an unsren ersten Einstieg in Data Science. Wir lasen dieses Lehrbuch – Eine Einführung in das statistische Lernen – mit Anwendungen in R.  Wir empfehlen dieses Lehrbuch für Anfänger, da sich das Buch auf die grundlegenden Konzepte der statistischen Modellierung und maschinellen Erlernen mit detaillierten und intuitiven Erklärungen konzentriert. Wenn Sie eine mathematische Hardcore-Person sind, würden Sie vielleicht dieses Buch bevorzugen: Die Elemente des statistischen Lernens.

Um Programmierfähigkeiten zu erlernen, insbesondere für Anfänger ohne Vorkenntnisse, würden wir vorschlagen, sich auf das Erlernen einer Sprache zu konzentrieren (persönlich bevorzugen wir Python!), da die Konzepte auf andere Sprachen anwendbar sind, wenn es benötigt ist und Python ist leichter zu erlernen. Die Bedeutung und Nutzung von Python oder R wurde in der Datenwissenschaft diskutiert. Wir denken, dass der Schwerpunkt darauf liegen sollte, wie Sie Unternehmen bei der Lösung von Problemen unterstützen können, unabhängig von den verwendeten Sprachen.

Schließlich können wir nicht genug betonen, dass das Verständnis von betriebswirtschaftlichem Wissen äußerst wichtig ist, da wir auch in einen unserer Artikel aufgenommen haben (Sie können sich hier darauf beziehen).

Soft Skills. Tatsächlich sind Soft Skills wichtiger als Hard Skills. Überrascht? Wir hoffen nicht.

LinkedIn befragten 2.000 Führungskräfte und die Soft Skills, die sie am liebsten bei  ihren Mitarbeitern im Jahr 2018 sehen möchten, sind: Führung, Kommunikation, Kollaboration und Zeitmanagement. Und wir glauben wirklich, dass diese Soft Skills eine wesentliche Rolle in der täglichen Arbeit der Datenwissenschaftler spielen. Vor allem haben wir auf die harte Tour gelernt, wie wichtig Kommunikationsfähigkeiten sind, die man hier lesen kann.

2. Wie wählt man die richtigen Bootcamps und Online-Kurse aus, wenn es viele davon gibt?

Mit dem Hype AI und Datenwissenschaft und vielen Menschen, die auf den fahrenden Zug aufspringen, viele MOOCs, Bootcamps, Online-Kurse, Workshops (Free/Paid) steigen an, um hoffentlich die Gelegenheit nicht  zu verpassen.

Es gibt viele Ressourcen draußen. Seien Sie einfallsreich.

Die Frage ist also: Wie wählt man die für Sie passenden Lernmaterialien aus?

Unser Ansatz, die richtigen Online-Kursangebote zu filtern und auszuwählen:

  • Verstehen Sie, dass es keinen einzigen besten Kurs gibt, der alle Materialien abdecken kann, die Sie benötigen. Einige Kurse überschneiden sich in einigen Bereichen und es lohnt sich nicht, verschiedene Kurse zu kaufen, sondern die meisten Unterrichtsmaterialien zu wiederholen.
  • Wissen Sie, was Sie erst lernen müssen. NIEMALS tauchen Sie in einen Kurs ein, nur wegen der ausgefallenen und eingängigen Titel. Erinnern Sie sich an die technischen Fähigkeiten, die bereits erwähnt wurden? Schauen Sie sich die Stellenbeschreibungen von Datenwissenschaftlern online an  und Sie werden feststellen, dass es einige gemeinsame Fähigkeiten gibt, die von den Unternehmen benötigt werden. Jetzt haben Sie die nötigen Fähigkeiten und die Fähigkeiten, die Ihnen fehlen. Fantastisch. Suchen Sie nach Kursen, die Ihnen helfen können, Ihr Wissen zu verbessern (theoretisch und praktisch).
  • Recherchieren Sie online über die besten Kurse, die auf verschiedenen Plattformen angeboten werden. Sobald Sie ein paar Kurse ausgewählt haben, die Ihren Bedürfnissen entsprechen, schauen Sie sich die jeweiligen Bewertungen (sehr wichtig!) von anderen an, bevor Sie Ihre Geldbörse herausnehmen und sich anmelden. Auf der anderen Seite gibt es auch viele kostenlose Kurse auf Coursera, Udemy, Lynda, Codecademy, DataCamp, Dataquest und viele mehr. Haben wir auch YouTube erwähnt? Ja, Sie bekommen es.
  • TIPS: Einige Plattformen bieten finanzielle Hilfe an, um Ihre Kursgebühren zu subventionieren (Coursera etc.). Probieren Sie es aus!
  • Einige unserer persönlichen Lieblingskurse, die uns enorm geholfen haben:
    1. Machine Learning von Andrew Ng, Mitbegründer von Coursera.
    2. Python für Data Science and Machine Learning Bootcamp, vermittelt von Jose Portilla.
    3. Deep Learning A-Z™: Hands-On Artificial Neural Networks, vermittelt von Kirill Eremenko und Hadelin de Ponteves.
    4. Python für Data Science Essential Training von Lillian Pierson.
    5. The Ultimate Hands-On Hadoop – Tame your Big Data! vermittelt von Frank Kane.
3. Ist das Lernen von Open Source ausreichend, um Datenwissenschaftler zu werden?

Wir würden sagen, dass das Lernen von Open Source ausreicht, um sich in die Datenwissenschaft einzubringen, und alles, was darüber hinausgeht, ist die Weiterentwicklung Ihrer Karriere als Datenwissenschaftler, je nach Geschäftsbedürfnissen.

4. Sollte ein Anfänger (aus einem ganz anderen Background) mit Lesematerial beginnen, um die Grundlagen zu verstehen? Welches Buch würden Sie vorschlagen?

Es gibt keinen festen Lernpfad, da alle Wege nach Rom führen. Das Lesen von Materialien ist auf jeden Fall ein guter Anfang, um die Grundlagen zu verstehen, wir  haben auch so gemacht!

Denken Sie nur daran, nicht zu versuchen, die mathematischen Grundlagen und Algorithmen zu lesen und auswendig zu lernen. Weil Sie werden alles vergessen, ohne die Konzepte wirklich auf echte Probleme beim Codieren anzuwenden.

Wissen und verstehen Sie einfach genug, um mit dem nächsten Schritt fortzufahren. Seien praktisch. Versuchen Sie nicht, perfekt zu sein, alles zu wissen, nur weil Perfektionismus der beste Grund für Zaudern ist und nicht voranzuschreiten.

Unten sind einige Bücher, die wir vorschlagen würden, um die Grundlagen von Python, maschinelles Lernen und tiefes Lernen zu verstehen (hoffen, es hilft!):

5. Wie kann man zwischen dem Verstehen von Geschäftsproblemen (Formulierung von Lösungen) und dem Entwickeln technischer Fähigkeiten (Kodierung, mathematisches Kernwissen usw.) abwägen?

Wir begannen mit der Entwicklung unsrer technischen Fähigkeiten, bevor wir uns mit Geschäftsproblemen befassten und Lösungen formulierten.

Geschäftsprobleme geben Ihnen WAS und WARUM. Um ein Geschäftsproblem zu lösen, muss man zunächst einmal das Problem lösen. Und WIE kommt aus technischen Fähigkeiten. Auch hier hängt der Ansatz von der Situation ab und unser Vorschlag basiert vor allem auf persönlichen Erfahrungen.

6. Wie können wir die Herausforderungen bewältigen, eine Karriere als Datenwissenschaftler zu beginnen?

Eine der größten Herausforderungen, vor denen viele aufstrebende Datenwissenschaftler (auch wir) stehen, ist, dass die Datenwissenschaft ein Informationsmeer ist. Wir könnten leicht unseren Fokus verlieren, indem wir mit all den Ratschlägen und Ressourcen (Online-Kurse, Workshops, Webinare, Meetups usw.), die aus verschiedenen Richtungen kommen, überwältigt werden. Bleiben konzentriert. Merken, was Sie haben und was Sie brauchen und FERTIG.

Während unserer datenwissenschaftlichen Reise sind die Herausforderungen unüberwindbar, aber auch das, was uns heute geprägt hat. Wir werden unser Bestes geben, um die wichtigsten Herausforderungen zu erklären, vor denen wir stehen und wie wir sie bewältigen können:

  • Wir waren mit so vielen Ressourcen verwirrt, als wir anfingen. Wir filterten die Geräusche durch den harten Weg heraus. Podcast hören und Webinare von Datenwissenschaftlern beobachten, viele Datenwissenschaftsartikel lesen, wie man Karriere in diesem Bereich verfolgt, mit verschiedenen Online-Kursen experimentieren, uns mit der Datenwissenschaftsgemeinschaft auf LinkedIn beschäftigen und von ihnen lernten. Letztlich konzentrierten wir uns nur auf hilfsbereite Ressourcen, die wir in diesem Beitrag geteilt haben.
  • Es gibt die Zeit, an dem man fast aufgegeben. Der Gedanke, aufzugeben, stieß auf den Kopf, als die Lernkurve zu steil ist und man anfing, sich selbst zu bezweifeln. Bin ich wirklich in der Lage, das zu tun? Bin ich wirklich auf dem richtigen Weg? Leidenschaft und Geduld werden zurückführen und auf dem Weg bleiben lassen. Entwickeln  Sie sich weiter täglich.

Ihre Arbeit wird einen großen Teil Ihres Lebens ausfüllen und der einzige Weg, um wirklich zufrieden zu sein, besteht darin, das zu tun, was Sie für großartige Arbeit halten. Und die einzige Möglichkeit, großartige Arbeit zu leisten, besteht darin, zu lieben, was Sie tun.

– Steve Job
  • Einen Job als Datenwissenschaftler zu bekommen (oder einen ähnlichen Tätigkeitsbereich, aber einen anderen Titel). Man wünscht, man hätte diese Artikel lesen können, die zuvor von Favio Vázquez geschrieben wurden – Wie erhält man einen Job als Datenwissenschaftler? und Die zwei Seiten von Jobsuche als Datenwissenschaftler. Einen Job zu bekommen, ist  aufgrund der Wettbewerbsfähigkeit auf dem Arbeitsmarkt keine leichte Aufgabe. Man kann tonnenweise Lebensläufe für Bewerbungen einreichen, aber ohne Erfolg. Irgendetwas muss nicht stimmen, da man tief nachdenkt. Man muss eigenen Ansatz überarbeitet und sich vernetzt: Teilnahme an Meetings und Seminaren, Online-Austausch der Lernerfahrungen, Annäherung an potenzielle Arbeitgeber auf Karrieremessen und systematischer Austausch von Konferenzen, die Nachbereitung bei der Einreichung der Lebensläufe etc. Die Dinge beginnen sich zu ändern und die Gelegenheiten beginnen, an die Tür zu klopfen.
7. Wie kann man die Berufserfahrung in den Lebenslauf einbringen, damit man eingestellt und die Erfahrung gezählt wird?

Wir glauben, es gibt hier ein Missverständnis – Sie werden nicht allein aufgrund der Erfahrung in Ihrem Lebenslauf eingestellt. In der Tat ist Ihr Lebenslauf eine der Möglichkeiten, um die erste Eintrittskarte für Ihre nächste Stufe der Bewerbung – Interview zu erhalten.

Daher ist es wirklich wichtig, zu lernen, wie man Berufserfahrung im Lebenslauf schreibt, um die Eintrittskarte zu erhalten. Studien haben gezeigt, dass der durchschnittliche Personalvermittler einen Lebenslauf für sechs Sekunden scannt, bevor er entscheidet, ob der Bewerber für die Rolle gut geeignet ist. Mit anderen Worten, um den Lebenslauf-Test zu bestehen, hat Ihr Lebenslauf nur sechs Sekunden, um den richtigen Eindruck bei einem potenziellen Arbeitgeber zu machen. Wir persönlich haben auf die folgenden Ressourcen verwiesen, um unseren Lebenslauf zu verbessern:

8. Welche Art von Portfolio kann uns helfen, einen ersten Job in der Datenwissenschaft oder im Maschine Lernen zu bekommen?

In unseren ersten Artikel über Medium haben wir die Bedeutung des Aufbaus eines Portfolios erwähnt. Ein gut durchdachter Lebenslauf ist nicht ausreichend, um ein Interview ohne gutes Portfolio zu bekommen.

Nach dem ersten Blick auf Ihren Lebenslauf wollen die potenziellen Arbeitgeber mehr über Ihren Hintergrund erfahren und hier kommt Ihr Portfolio ins Spiel. Während Sie sich vielleicht fragen, wie Sie ein Portfolio von Grund auf erstellen können, dokumentieren Sie zunächst Ihre Lernreise. Teilen Sie Ihre Lernerfahrung, Fehler, Ergebnisse – technische oder nicht-technische – über Social Media-Plattformen (LinkedIn, Medium, Facebook, Instagram, Personal Blog – es spielt keine Rolle).

Interessieren Sie sich für Videorecorder? Dann machen Sie zunächst Videos (Interview mit anderen aufstrebenden / etablierten Datenwissenschaftlern) und teilen Sie sie auf YouTube. Gut im Schreiben? Dann schreiben Sie zu den Themen, die Sie auf verschiedenen Plattformen begeistern. Wenn Sie nicht visuell und schriftlich begabt sind, wenden Sie sich dann an andere und führen Sie Podcasts mit ihnen durch.

Unser Punkt hier ist: Die Möglichkeiten des Internets sind sehr reichlich, um Ihr Portfolio aufzubauen und Zugkraft zu gewinnen, oder möglicherweise die Aufmerksamkeit Ihrer potenziellen Arbeitgeber.

Eine der besten Entscheidungen, die wir je getroffen haben, ist, uns mit der Daten-Wissenschaft-Community auf LinkedIn zu engagieren und unsere Lernreise auf Medium zu dokumentieren. Am meisten lernten wir auf LinkedIn mit der engen Datenwissenschaft-Community in einer so förderlichen Sharing-Learning-Umgebung.

Nach und nach lernten wir (immer noch lernen!), wie wir unser Portfolio auf LinkedIn mit Erfahrungen aus verschiedenen Quellen aufbauen können. Auf dem Weg dorthin bekamen wir Nachrichten von verschiedenen Personalvermittlern über Jobchancen und wir bekamen sogar die Möglichkeit, Kaffee zu schnappen und uns mit einigen von ihnen zu unterhalten!

Und jetzt freuen wir uns sehr darauf, das Gelernte mitzuteilen und zur Community beizutragen. Also geben wir einige nützliche Tipps, wie Sie Ihr LinkedIn-Profil mit einigen ernsthaften Hacks erstellen!

Mehr Ressourcen

An diesem Punkt werden Sie sich vielleicht fragen, wie zum Teufel man so viele Ressourcen in diesem Beitrag auf einmal geteilt hat. Nun, unser unkompliziertes Geheimnis: Websites und Artikel zu markieren, die wir für nützlich halten und von Zeit zu Zeit auf sie verweisen.

Das erweist sich als sehr hilfreich und kommt uns gut zu, wenn wir eine Referenz und Überarbeitung brauchen. Wir können auf jeden Fall die ganze Liste der mit markierten Websites teilen, aber das wird zu lang für diesen Beitrag (vielleicht in den anderen Beitrag).

Dennoch listen wir nur einige nützliche Ressourcen auf:

Folgen Sie inspirierenden Datenwissenschaftlern und Profis

Die Datenwissenschaft-Community auf LinkedIn ist großartig, und wir ermutigen Sie dringend, den inspirierenden Datenwissenschaftlern und Profis zu folgen, die unten erwähnt werden:

Letzte Gedanken

Lassen Sie sich von niemandem mit seinen Zeitplänen überstürzen

Wir hoffen, dass wir die brennenden Fragen für Sie beantwortet haben. Wann immer Sie auf Ihrer Reise in die Datenwissenschaft mit Hindernissen konfrontiert sind, denken Sie daran, dass Sie nicht allein sind und wir alle hier sind, um als Teil der Gemeinschaft zu helfen. Schreiben Sie uns und wir werden gerne helfen!

Jetzt haben Sie die Antworten auf Ihre Fragen (Lassen Sie Ihre Kommentare unten, wenn Sie andere Fragen haben), ist es an der Zeit, massive Maßnahmen zu ergreifen, um Ihre Ziele als aufstrebender Datenwissenschaftler zu erreichen. Keine Aktion ist zu klein, um einen Unterschied zu machen. Einfach Schritt für Schritt vorankommen. Wenn Sie kurz davor stehen aufzugeben, ist AUSDAUER der Schlüssel.

Haben Sie schon Ihren Lebenslauf richtig erstellt?

Wo liegen Sie Ihre Stärke?

Welche Erfahrungen konnten Sie schon Ihrem potenziellen Arbeitgeber anbieten?

Gern beantwortet Ihnen das Team von AI United alle möglichen Fragen per Email oder in dem Q&A Bereich.

Quelle

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.